[发明专利]一种电力客户用电行为聚类分析方法及装置

说明书

本发明适用于用户行为分析技术领域，提供了一种电力客户用电行为聚类分析方法及装置，方法包括：获取电力客户的用电特征数据，得到数据集；对数据集进行预处理，得到多特征序列矩阵；根据DBSCAN算法对多特征序列矩阵进行第一次聚类，确定最优聚类值；根据最优聚类值在数据集中随机选取聚类中心，并采用EM算法进行高斯混合聚类，得到聚类分析结果；输出聚类分析结果。本发明实施例通过一种联合DBSCAN和EM的高斯混合聚类进行用电行为分析，可以应用于对电力公司用电客户行为进行聚类，挖掘出客户数据中的潜在信息，根据所挖掘出的信息对不同的客户群实现更有针对性的服务，提高用户满意度。

技术领域

本发明属于用户行为分析技术领域，具体涉及一种电力客户用电行为聚类分析方法及装置。

背景技术

随着电力改革深化、售电侧市场的全面放开，国家电网公司各级供电公司均面临着市场竞争压力，为进一步提升电力系统客户的用户体验，提升电网企业盈利能力和竞争力，对电力系统客户行为进行分析就变得尤为重要。电力系统客户行为分析是指分析用电数据之间的关系和相似性，找出客户潜在的行为习惯，并对客户进行细分，对指导客户的用电行为和节能改造具有重要意义。

原来的客户划分方法是粗放式的，只使用单一的特征属性对客户进行细分，导致客户的用电行为缺乏深入的挖掘分析，对用电客户的用电需求和用电特征掌握不够，无法指导用电需求侧管理。随着产品服务和客户需求的多样化，单一特征属性的划分方法表现出了很多不足和缺陷。

因此，如何应对目前的聚类算法无法高效的对电力客户分群，是目前需要迫切解决的技术问题。

发明内容

有鉴于此，本发明实施例提供了一种电力客户用电行为聚类分析方法及装置，能够有效的对电力公司的客户数据进行聚类，并通过对客户群内的特征分析得出每一类客户群的用电行为特点，以便于制定对应的服务标准。

本发明实施例的第一方面提供了一种电力客户用电行为聚类分析方法，包括：

获取电力客户的用电特征数据，得到数据集；

对所述数据集进行预处理，得到多特征序列矩阵；

根据DBSCAN算法对所述多特征序列矩阵进行第一次聚类，确定最优聚类值；

根据所述最优聚类值在所述数据集中随机选取聚类中心，并采用EM算法进行高斯混合聚类，得到聚类分析结果；

输出所述聚类分析结果。

本发明实施例的第二方面提供了一种电力客户用电行为聚类分析装置，包括：

采集模块，用于获取电力客户的用电特征数据，得到数据集；

数据预处理模块，用于对所述数据集进行预处理，得到多特征序列矩阵；

第一聚类模块，用于根据DBSCAN算法对所述多特征序列矩阵进行第一次聚类，确定最优聚类值；

第二聚类模块，用于根据所述最优聚类值在所述数据集中随机选取聚类中心，并采用EM算法进行高斯混合聚类，得到聚类分析结果；

输出模块，用于输出所述聚类分析结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例与现有技术相比存在的有益效果至少在于：